vari aveis aleatorias cont nuas: introdu˘c~aocnaber/aula.p9_me414c_2s_2016.pdf · na p agina do...
TRANSCRIPT
Variaveis Aleatorias Contınuas: Introducao
Exemplo
Dada a funcao
f (x) =
{0 se x < 0
2e−2x se x ≥ 0
(a) Mostre que esta e uma f.d.p.
(b) Calcule a probabilidade de X > 10.
Fonte: Morettin & Bussab, Estatıstica Basica 5a edicao, pag 166.
Organizacao: Airton Kist, Rafael Tovar, Diego Bernardini, Guilherme Ludwig
Aula de Exercıcios - Variaveis Aleatorias Contınuas
Variaveis Aleatorias Contınuas: Introducao
(a) Uma funcao de densidade de probabilidade deve satisfazer asseguintes propriedades:
(i) f (x) ≥ 0 para todo x ∈ R.
(ii)
∫ ∞−∞
f (x)dx = 1
Note que e−x e positiva para qualquer x , e consequentemente2e−2x . Resta mostrar que sua integral e 1. Mas sabemos aantiderivada de 2e−2x :∫
2e−2xdx = −e−2x
Organizacao: Airton Kist, Rafael Tovar, Diego Bernardini, Guilherme Ludwig
Aula de Exercıcios - Variaveis Aleatorias Contınuas
Variaveis Aleatorias Contınuas: Introducao
(a) (cont.) Note que a funcao esta definida nesta forma parax ≥ 0; para x < 0, ela e 0. Entao a integral e∫ ∞
−∞f (x)dx =
∫ 0
−∞0dx +
∫ ∞0
2e−2xdx =
=[−e−2x
]∞0
= limx→∞
−e−2x −(−e−0
)= 1
(b) A probabilidade e dada por:
P(X > 10) =
∫ ∞10
2e−2xdx = limx→∞
−e−2x −(−e−2·10
)=
1
e20
Organizacao: Airton Kist, Rafael Tovar, Diego Bernardini, Guilherme Ludwig
Aula de Exercıcios - Variaveis Aleatorias Contınuas
Variaveis Aleatorias Contınuas: Introducao
Exemplo
Uma variavel aleatoria X tem distribuicao triangular no intervalo[0, 1] se sua f.d.p. for dada por
f (x) =
0 se x < 0
Cx se 0 ≤ x ≤ 1/2C (1− x) se 1/2 ≤ x ≤ 1
0 se x > 1
(a) Qual valor deve ter a constante C?
(b) Faca o grafico de f (x).
(c) Determine P(X ≤ 1/2), P(X > 1/2) e P(1/4 ≤ X ≤ 3/4).
Fonte: Morettin & Bussab, Estatıstica Basica 5a edicao, pag 166.
Organizacao: Airton Kist, Rafael Tovar, Diego Bernardini, Guilherme Ludwig
Aula de Exercıcios - Variaveis Aleatorias Contınuas
Variaveis Aleatorias Contınuas: Introducao
(a) Devemos escolher C de modo que f (x) satisfaca(i) f (x) ≥ 0 para todo x ∈ R.(ii)
∫∞−∞ f (x)dx = 1
Por (i), temos que C > 0. Agora, para que C satisfaca (ii),devemos integrar f (x):∫ ∞−∞
f (x)dx =
∫ 0
−∞0dx+
∫ 1/2
0Cxdx+
∫ 1
1/2C (1−x)dx+
∫ ∞1
0dx
= C
∫ 1/2
0xdx+C
∫ 1
1/2(1−x)dx = C
([x2
2
]1/2
0
+
[x − x2
2
]1
1/2
)
= C
(1
8+ 1− 1
2− 1
2+
1
8
)= C · 1
4⇒ C deve ser igual a 4.
Organizacao: Airton Kist, Rafael Tovar, Diego Bernardini, Guilherme Ludwig
Aula de Exercıcios - Variaveis Aleatorias Contınuas
Variaveis Aleatorias Contınuas: Introducao
(b) O grafico de f (x) e dado por:
0.0 0.2 0.4 0.6 0.8 1.0x
0.5
1.0
1.5
2.0
f HxL
Organizacao: Airton Kist, Rafael Tovar, Diego Bernardini, Guilherme Ludwig
Aula de Exercıcios - Variaveis Aleatorias Contınuas
Variaveis Aleatorias Contınuas: Introducao
(c) Para encontrarmos as probabilidades dos eventos, bastaintegrar nas regioes correspondentes:
P(X ≤ 1/2) =
∫ 1/2
0f (x)dx =
∫ 1/2
04xdx = 1/2
Note que P(X > 1/2) = 1− P(X ≤ 1/2) = 1− 1/2 = 1/2.
P(1/4 ≤ X ≤ 3/4) =
∫ 3/4
1/4f (x)dx
=
∫ 1/2
1/44xdx +
∫ 3/4
1/24(1− x)dx =
3
4
Organizacao: Airton Kist, Rafael Tovar, Diego Bernardini, Guilherme Ludwig
Aula de Exercıcios - Variaveis Aleatorias Contınuas
Variaveis Aleatorias Contınuas: Introducao
Exemplo
Calcule a esperanca, a variancia e a f.d.a. da variavel aleatoria Xcom a densidade triangular em [0, 1].Fonte: Morettin & Bussab, Estatıstica Basica 5a edicao, pag 171.
Organizacao: Airton Kist, Rafael Tovar, Diego Bernardini, Guilherme Ludwig
Aula de Exercıcios - Variaveis Aleatorias Contınuas
Variaveis Aleatorias Contınuas: Introducao
Basta aplicar as definicoes de valor esperado e variancia:
E(X ) =
∫ ∞−∞
xf (x)dx =
∫ 1/2
04x2dx +
∫ 1
1/24x(1− x)dx
=
[4x3
3
]1/2
0
+
[2
3x2(3− 2x)
]1
1/2
=1
2
Organizacao: Airton Kist, Rafael Tovar, Diego Bernardini, Guilherme Ludwig
Aula de Exercıcios - Variaveis Aleatorias Contınuas
Variaveis Aleatorias Contınuas: Introducao
Var(X ) =
∫ ∞−∞
(x − E(X ))2f (x)dx =
∫ 1/2
04
(x − 1
2
)2
xdx +
∫ 1
1/24
(x − 1
2
)2
(1− x)dx =
[x4 − 4
3x3 +
1
2x2
]1/2
0
+
[−x4 +
8
3
3
− 5
2x2 + x
]1
1/2
=1
24
Organizacao: Airton Kist, Rafael Tovar, Diego Bernardini, Guilherme Ludwig
Aula de Exercıcios - Variaveis Aleatorias Contınuas
Variaveis Aleatorias Contınuas: Introducao
A funcao de distribuicao acumulada de uma variavel aleatoriacontınua e dada por
F (x) =
∫ x
−∞f (t)dt
Temos que para x ∈ [0, 1/2), F (x) e dada por
F (x) =
∫ x
04tdt = 2x2
Para x ∈ [1/2, 1], a acumulada e dada por
F (x) =
∫ 1/2
04tdt +
∫ x
1/2= 4(1− t)dt = −2x2 + 4x − 1
Organizacao: Airton Kist, Rafael Tovar, Diego Bernardini, Guilherme Ludwig
Aula de Exercıcios - Variaveis Aleatorias Contınuas
Variaveis Aleatorias Contınuas: Introducao
Para valores de x ≥ 1, a acumulada assume valor 1. O grafico deF (x) e dado por:
-0.5 0.5 1.0 1.5
0.2
0.4
0.6
0.8
1.0
Organizacao: Airton Kist, Rafael Tovar, Diego Bernardini, Guilherme Ludwig
Aula de Exercıcios - Variaveis Aleatorias Contınuas
Variaveis Aleatorias Contınuas: Introducao
Exemplo
O tempo medio que um consumidor gasta no supermercado e de25 minutos. Entao qual e a probabilidade que um consumidorgaste mais de trinta minutos no supermercado?Fonte: Ribeiro, Andre L. P., notas de aula.
Organizacao: Airton Kist, Rafael Tovar, Diego Bernardini, Guilherme Ludwig
Aula de Exercıcios - Variaveis Aleatorias Contınuas
Variaveis Aleatorias Contınuas: Introducao
Quando desejamos modelar o tempo de espera entre doisfenomenos que assumimos independentes (por exemplo, “o clientechega” e “o cliente vai embora”), e possıvel mostrar, sob algumascondicoes de regularidade, que a distribuicao exponencial e adistribuicao de probabilidade do tempo entre os eventos. Sendoassim, temos que X ∼ exp(λ), e como 25 = E(X ) = 1/λ, entaoλ = 1/25. Logo
P(X > 30) = 1− P(X ≤ 30) = 1−(
1− e−3025
)= 0.3013
Organizacao: Airton Kist, Rafael Tovar, Diego Bernardini, Guilherme Ludwig
Aula de Exercıcios - Variaveis Aleatorias Contınuas
Distribuicao Uniforme, exemplo I
Exemplo
Dada a v.a. X , uniforme em (5, 10), calcule as probabilidadesabaixo:
(a) P(X < 7)
(b) P(8 < X < 9)
(c) P(X > 8,5)
(d) P(|X − 7,5| > 2)
Fonte: Morettin & Bussab, Estatıstica Basica 5a edicao, pag 195.
Organizacao: Airton Kist, Rafael Tovar, Diego Bernardini, Guilherme Ludwig
Aula de Exercıcios - Variaveis Aleatorias Contınuas
Distribuicao Uniforme, exemplo I
Note que a densidade de X e f (x) = 1/(10− 5) se x ∈ (5, 10) e 0caso contrario. Basta integrar na regiao dos eventos, isto e:
(a) P(X < 7) =
∫ 7
5
1
5dx =
7
5− 5
5=
2
5
(b) P(8 < X < 9) =
∫ 9
8
1
5dx =
9
5− 8
5=
1
5
Organizacao: Airton Kist, Rafael Tovar, Diego Bernardini, Guilherme Ludwig
Aula de Exercıcios - Variaveis Aleatorias Contınuas
Distribuicao Uniforme, exemplo I
(c) P(X > 8,5) =
∫ 10
8,5
1
5dx =
10
5− 17
10=
3
10
(d) P(|X − 7,5| > 2) = P(X > 9,5 ou X < 5,5) =∫ 10
9,5
1
5dx +
∫ 5,5
5
1
5dx =
1
10+
1
10=
1
5
Organizacao: Airton Kist, Rafael Tovar, Diego Bernardini, Guilherme Ludwig
Aula de Exercıcios - Variaveis Aleatorias Contınuas
Distribuicao Normal, exemplo I
Exemplo
Se X ∼ N(10, 4), calcular:
(a) P(8 < X < 10)
(b) P(9 ≤ X ≤ 12)
(c) P(X > 10)
(d) P(X < 8 ou X > 11)
Fonte: Morettin & Bussab, Estatıstica Basica 5a edicao, pag 182.
Organizacao: Airton Kist, Rafael Tovar, Diego Bernardini, Guilherme Ludwig
Aula de Exercıcios - Variaveis Aleatorias Contınuas
Distribuicao Normal, exemplo I
Para calcular as probabilidades, e necessario integracao numerica –e−x
2nao tem antiderivada. Contudo, os valores para Z ∼ N(0, 1)
encontram-se tabelados. Recomenda-se utilizar a tabela disponıvelna pagina do curso. Tudo o que precisamos fazer e transformar avariavel em N(0, 1).
Recorde que se X ∼ N(µ, σ2), entao X − µ ∼ N(0, σ2) e(X − µ)/σ ∼ N(0, 1). Neste problema, sabemos que µ = 10 eσ2 = 4, logo σ = 2. Entao (X − 10)/2 ∼ N(0, 1).
Organizacao: Airton Kist, Rafael Tovar, Diego Bernardini, Guilherme Ludwig
Aula de Exercıcios - Variaveis Aleatorias Contınuas
Distribuicao Normal, exemplo I
(a) Devemos transformar X de modo que o evento 8 < X < 10permaneca inalterado. Fazemos isso transformando todos oslados da inequacao:
8 < X < 10⇔ 8−10 < X−10 < 10−10⇔ −2 < X−10 < 0⇔ −2/2 < (X − 10)/2 < 0/2⇔ −1 < Z < 0.
O valor Φ(0) esta disponıvel na tabela, e e igual a 0,5. Paraobtermos Φ(−1), devemos usar a simetria da funcao Φ emtorno do zero, isto e, Φ(−x) = 1− Φ(x). A tabela nos daΦ(1) = 0,8413, de onde deduzimos Φ(−1) = 1− 0,8413 =0,1587. Concluimos portanto que
P(8 < X < 10) = P(−1 < Z < 0) = Φ(0)− Φ(−1) = 0,3413
Organizacao: Airton Kist, Rafael Tovar, Diego Bernardini, Guilherme Ludwig
Aula de Exercıcios - Variaveis Aleatorias Contınuas
Distribuicao Normal, exemplo I
Esta e a tabela da normal, com os valores de Φ(1) e Φ(0)destacados:
Organizacao: Airton Kist, Rafael Tovar, Diego Bernardini, Guilherme Ludwig
Aula de Exercıcios - Variaveis Aleatorias Contınuas
Distribuicao Normal, exemplo I
Este e o grafico da curva N(10,4), com a regiao (8, 10]correspondente ao item (a) em destaque:
6 8 10 12 14
0.05
0.10
0.15
0.20
Organizacao: Airton Kist, Rafael Tovar, Diego Bernardini, Guilherme Ludwig
Aula de Exercıcios - Variaveis Aleatorias Contınuas
Distribuicao Normal, exemplo I
(b) P(9 ≤ X ≤ 12) = P(9− 10 ≤ X − 10 ≤ 12− 10) =P(−1/2 ≤ Z ≤ 1) = 0,5328
(c) P(X > 10) = P(Z > 0) = 0,5
(d) P(X < 8 ou X > 11) = P(X < 8) + P(X > 11), pois{X < 8} ∩ {X > 11} = ∅.
P(X < 8) = P(Z < −1) = 0,1587 eP(X > 11) = P(Z > 1/2) = 0,3085, logoP(X < 8 ou X > 11) = 0,4672
Organizacao: Airton Kist, Rafael Tovar, Diego Bernardini, Guilherme Ludwig
Aula de Exercıcios - Variaveis Aleatorias Contınuas
Distribuicao Exponencial, exemplo I
Exemplo
Suponha que um mecanismo eletronico tenha um tempo de vida X(em 1.000 horas) que possa ser considerado uma v.a. contınuacom f.d.p. f (x) = e−x , x > 0. Suponha que o custo de fabricacaode um item seja 2,00 reais e o preco de venda seja 5,00 reais. Ofabricante garante total devolucao se X ≤ 0,9. Qual o lucroesperado por item?Fonte: Morettin & Bussab, Estatıstica Basica 5a edicao, pag 183.
Organizacao: Airton Kist, Rafael Tovar, Diego Bernardini, Guilherme Ludwig
Aula de Exercıcios - Variaveis Aleatorias Contınuas
Distribuicao Exponencial, exemplo I
A probabilidade do item durar menos que 900 horas e dada por
P(X < 0,9) =
∫ 0,9
0e−xdx = 0,5934
Temos portanto que o item sera devolvido com essa probabilidade(implicando numa perda de $2), ou permanecera com o cliente(implicando num ganho de $5− $2 = $3). Segue que portanto olucro lıquido e de −2 · 0,5934 + 3 · 0,4066 = $0,033, ouaproximadamente tres centavos de lucro por item.
Organizacao: Airton Kist, Rafael Tovar, Diego Bernardini, Guilherme Ludwig
Aula de Exercıcios - Variaveis Aleatorias Contınuas
Distribuicao Uniforme, exemplo II
Exemplo
Seja X uma variavel aleatoria distribuida uniformemente, commedia 15 e variancia 25/3.
(a) Encontre a funcao de densidade de X .
(b) Qual e a probabilidade que X > 14?
Fonte: Ribeiro, Andre L. P., notas de aula.
Organizacao: Airton Kist, Rafael Tovar, Diego Bernardini, Guilherme Ludwig
Aula de Exercıcios - Variaveis Aleatorias Contınuas
Distribuicao Uniforme, exemplo II
(a) Lembre-se que a esperanca de uma v.a. uniforme em [a, b] edada por
E(X ) =a + b
2
e sua variancia por
Var(X ) =(b − a)2
12
Organizacao: Airton Kist, Rafael Tovar, Diego Bernardini, Guilherme Ludwig
Aula de Exercıcios - Variaveis Aleatorias Contınuas
Distribuicao Uniforme, exemplo II
(a) (cont.) Temos o seguinte sistema, portanto:{a+b
2 = 15(b−a)2
12 = 253
⇔
{a + b = 30(b − a)2 = 100
Ou simplesmente {a + b = 30b − a = 10
O sistema tem solucao a = 10, b = 20, o que nos mostra queX ∼ U[10, 20] e f (x) = 1
10 se x ∈ [10, 20] e 0 caso contrario.
Organizacao: Airton Kist, Rafael Tovar, Diego Bernardini, Guilherme Ludwig
Aula de Exercıcios - Variaveis Aleatorias Contınuas
Distribuicao Uniforme, exemplo II
(b) A probabilidade de que X > 14 e dada por
P(X > 14) =
∫ 20
14
1
10dx =
(20− 14)
10= 0.6
Organizacao: Airton Kist, Rafael Tovar, Diego Bernardini, Guilherme Ludwig
Aula de Exercıcios - Variaveis Aleatorias Contınuas
Distribuicao Exponencial, exemplo II
Exemplo
O tempo de vida, X , em horas, de um componente eletronicosegue uma distribuicao exponencial de tal forma queP(X ≤ 1000) = 0.75. Qual e o tempo medio de vida docomponente?Fonte: Ribeiro, Andre L. P., notas de aula.
Organizacao: Airton Kist, Rafael Tovar, Diego Bernardini, Guilherme Ludwig
Aula de Exercıcios - Variaveis Aleatorias Contınuas
Distribuicao Exponencial, exemplo II
Sabemos que se X ∼ exp(λ), entao F (x) = P(X ≤ x) = 1− e−λx
e E(X ) = λ−1. Basta entao observarmos que
P(X ≤ 1000) = 1− e−λ1000 = 0.75⇔ λ =ln(4)
1000= 0.0013863
Concluimos entao que o tempo medio de vida, E(X ), e igual a1/0.0013863 = 721.3475 horas, e que 75% dos componentesduram 1000 horas ou menos.
Organizacao: Airton Kist, Rafael Tovar, Diego Bernardini, Guilherme Ludwig
Aula de Exercıcios - Variaveis Aleatorias Contınuas
Distribuicao Normal, exemplo II
Exemplo
Suponha que as amplitudes de vida de dois aparelhos eletricos, D1
e D2, tenham distribuicoes N(42, 36) e N(45, 9), respectivamente.Se os aparelhos sao feitos para ser usados por um perıodo de 45horas, qual aparelho deve ser preferido? E se for por um perıodo de49 horas?Fonte: Morettin & Bussab, Estatıstica Basica 5a edicao, pag 183.
Organizacao: Airton Kist, Rafael Tovar, Diego Bernardini, Guilherme Ludwig
Aula de Exercıcios - Variaveis Aleatorias Contınuas
Distribuicao Normal, exemplo II
(i) Para o caso de perıodos de 45 horas, temosP(D1 > 45) = P(Z > [45− 42]/6) = P(Z > 0.5) = 0,3085,enquanto P(D2 > 45) = P(Z > [45− 45]/3)= P(Z > 0) = 0,5. Note que a probabilidade do segundoaparelho durar mais que 45 horas e maior que a do primeiro e,portanto, ele e preferıvel.
(ii) Analogamente, P(D1 > 49) = P(Z > [49− 42]/6) = P(Z >1.1666) = 0,1216, e P(D2 > 49) = P(Z > [49− 45]/3) =P(Z > 1.3333) = 0,0912. Neste cenario, e preferıvel oprimeiro aparelho.
Organizacao: Airton Kist, Rafael Tovar, Diego Bernardini, Guilherme Ludwig
Aula de Exercıcios - Variaveis Aleatorias Contınuas
Distribuicao Normal, exemplo III
Exemplo
Assumindo que X possui distribuicao N(µ, σ2), calcule:
(a) P(X ≤ µ+ 2σ)
(b) P(|X − µ| ≤ σ)
(c) O numero a tal que P(µ− aσ ≤ X ≤ µ+ aσ) = 0,99
Fonte: Ribeiro, Andre L. P., notas de aula.
Organizacao: Airton Kist, Rafael Tovar, Diego Bernardini, Guilherme Ludwig
Aula de Exercıcios - Variaveis Aleatorias Contınuas
Distribuicao Normal, exemplo III
Queremos transformar X ∼ N(µ, σ2) em Z ∼ N(0, 1), para poderconsultar a tabela da normal padronizada.
(a) P(X ≤ µ+ 2σ) = P(X − µ ≤ 2σ) = P((X − µ)/σ ≤ 2) =P(Z ≤ 2) = Φ(2) = 0.9772
(b) P(|X − µ| ≤ σ) = P(|X − µ|/σ ≤ 1) =P(|(X − µ)/σ| ≤ 1) = P(|Z | ≤ 1) = P(−1 ≤ Z ≤ 1) =Φ(1)− Φ(−1) = 0.6827
Organizacao: Airton Kist, Rafael Tovar, Diego Bernardini, Guilherme Ludwig
Aula de Exercıcios - Variaveis Aleatorias Contınuas
Distribuicao Normal, exemplo III
(c) Note que P(µ−aσ≤X ≤µ+aσ) = P(−a≤(X − µ)/σ≤a) =P(−a≤ Z ≤a). Como X e simetrica, entao sabemos que2P(Z > a) = 2P(Z < −a) = 1− P(−a≤ Z ≤a).
Basta entao olhar qual a satisfaz P(Z > a) = 0,005, ousimplesmente P(Z ≤ a) = Φ(a) = 0,995. Consultando atabela, vemos que a ≈ 2, 57.
Organizacao: Airton Kist, Rafael Tovar, Diego Bernardini, Guilherme Ludwig
Aula de Exercıcios - Variaveis Aleatorias Contınuas
Distribuicao Beta
Exemplo
Seja X a v. a. contınua cuja densidade de probabilidade e
f (x) = 2x , 0 ≤ x ≤ 1
(a) Calcule a distribuicao acumulada F (x), o valor esperadoE(X ), a variancia Var(X ) e o desvio padrao σ(X ).
(b) Calcule P(0 < X < 1/2) e P(1/3 < X < 1).
(c) Esboce o grfico de F (x) e determine o valor de x0 tal queF (x0) = 0.95.
Fonte: Ribeiro, Andre L. P., notas de aula.
Organizacao: Airton Kist, Rafael Tovar, Diego Bernardini, Guilherme Ludwig
Aula de Exercıcios - Variaveis Aleatorias Contınuas
Distribuicao Beta
(a) A funcao de distribuicao acumulada, em [0, 1], e dada por:∫ x
02tdt = x2
Daı concluımos que
F (x) =
0 se x < 0x2 se 0 ≤ x < 11 se x ≥ 1
Organizacao: Airton Kist, Rafael Tovar, Diego Bernardini, Guilherme Ludwig
Aula de Exercıcios - Variaveis Aleatorias Contınuas
Distribuicao Beta
(a) (cont.) A esperanca e dada por
E(X ) =
∫ 1
0x2xdx = 2
[x3
3
]1
0
=2
3
Para calcular a variancia, lembre-se da formulaVar(X ) = E(X 2)− E2(X ), entao
E(X 2) =
∫ 1
0x22xdx = 2
[x4
4
]1
0
=1
2
Var(X ) =1
2−(
2
3
)2
=1
18
Finalmente, observe que σ(X ) =√
Var(X ) e logoσ(X ) =
√2/6.
Organizacao: Airton Kist, Rafael Tovar, Diego Bernardini, Guilherme Ludwig
Aula de Exercıcios - Variaveis Aleatorias Contınuas
Distribuicao Beta
(b) Conhecemos F (x), a funcao de distribuicao acumulada. Entaotemos simplesmente que
P(0 < X < 1/2) = P(X < 1/2)−P(X < 0) = F (0.5)−F (0) =
= 0.52 − 0 = 0.25
P(1/3 < X ≤ 1) = P(X < 1)−P(X < 1/3) = F (1)−F (1/3) =
= 12 − 1
32=
8
9
Organizacao: Airton Kist, Rafael Tovar, Diego Bernardini, Guilherme Ludwig
Aula de Exercıcios - Variaveis Aleatorias Contınuas
Distribuicao Beta
(c) O ponto x0 que satisfaz F (x0) = (x0)2 = 0.95 e x0 = 0.9746.O grafico de F (x) com o par (x0,F (x0)) destacado e dado por:
-0.2 0.0 0.2 0.4 0.6 0.8 1.0 1.2
0.2
0.4
0.6
0.8
1.0
Organizacao: Airton Kist, Rafael Tovar, Diego Bernardini, Guilherme Ludwig
Aula de Exercıcios - Variaveis Aleatorias Contınuas